Google DeepMind 论文：自进化智能体学得越快，遗忘旧任务越多

AI 导读

Google DeepMind 一篇新论文发现，通过编辑系统提示词、记忆或技能文件来自我进化的智能体，在任务流变化时会边学边忘。团队在主题、工作流或领域变化的任务流上对比了 ReasoningBank、GEPA 和 Meta-Harness，追踪各方法在当前任务上的增益与其他任务上的损失。

正文 · AI 翻译

谷歌 DeepMind 的一篇新论文发现，自我改进的智能体在学习过程中会遗忘，而学习新任务最快的方法，破坏旧任务也最严重。

自我进化型智能体无需重新训练，通过编辑自己的系统提示、记忆或技能文件来提升能力。在实际使用中，任务不断变化，而为某个任务所做的每次修改，也会作用于之后的所有任务。

研究团队在主题、工作流程或领域不断变化的任务流上运行了 ReasoningBank、GEPA 和 Meta-Harness，并追踪每种方法在当前任务上学到了多少，以及在其他任务上损失了多少。

GEPA 学到的最多，平均每个模块提升 6.2 分，但在其他任务上损失也最大，达 4.3 分。在它学会向用户询问缺失细节之后，后面的一个模块重写了这条规则，其 15.5 分的提升跌至 2.5 分。

如果你的智能体会编辑自己的提示或记忆，请将特定任务的规则分开保存，并在每次更新后重新测试旧任务。